针对多星定位系统对地面静态目标的无源定位误差分析问题,运用Fisher信息矩阵、Taylor级数、矩阵理论和统计理论,综合考虑时差、频差、卫星位置误差以及卫星速度误差,推导了到达时间差(time difference of arrival,TDOA)/到达频率差(fre...针对多星定位系统对地面静态目标的无源定位误差分析问题,运用Fisher信息矩阵、Taylor级数、矩阵理论和统计理论,综合考虑时差、频差、卫星位置误差以及卫星速度误差,推导了到达时间差(time difference of arrival,TDOA)/到达频率差(frequency difference of arrival,FDOA)联合定位误差克拉美·罗界(Cramer-Rao lower bound,CRLB)的简单表达式,以及三星单独TDOA定位误差的CRLB,进而给出了避免TDOA定位盲区的良好卫星构型设计的充分条件.理论分析与仿真结果表明:在单独TDOA定位场景下良好的构型能完全消除定位盲区,定位精度随主星-星下点连线与主星-副星连线的夹角逼近90°而逐渐提高;通过引入FDOA与TDOA联合定位也能有效避免定位盲区,提高定位精度.展开更多
针对传统无迹卡尔曼滤波(unscented Kalman filter,UKF)在系统状态发生突变时估计精度下降的问题,将改进的强跟踪滤波算法与基于高斯概率密度高阶导的无迹卡尔曼滤波算法(high order probability density derivative,HUKF)相结合,提出...针对传统无迹卡尔曼滤波(unscented Kalman filter,UKF)在系统状态发生突变时估计精度下降的问题,将改进的强跟踪滤波算法与基于高斯概率密度高阶导的无迹卡尔曼滤波算法(high order probability density derivative,HUKF)相结合,提出了高阶强跟踪无迹卡尔曼滤波方法(high order strong tracking UKF,HSUKF)。该算法采用高斯概率密度函数高阶导数的极值作为Sigma样点进行无迹转换,通过样本点捕捉更高阶的中心矩来提高非线性变换近似精度。将改进的强跟踪滤波算法引入到HUKF中,通过渐消因子修正预测新息协方差和预测互协方差矩阵,强迫新息正交,在不增加计算复杂度的前提下提高了算法在状态发生突变时的适应能力。将本文算法应用于时差频差的无源跟踪中,通过对目标状态发生突变的跟踪问题进行数值仿真和实例论证表明HSUKF算法兼具了计算复杂度低和估计精度高的特性,且在系统状态发生突变的情况下表现出良好的滤波性能。展开更多
文摘针对多星定位系统对地面静态目标的无源定位误差分析问题,运用Fisher信息矩阵、Taylor级数、矩阵理论和统计理论,综合考虑时差、频差、卫星位置误差以及卫星速度误差,推导了到达时间差(time difference of arrival,TDOA)/到达频率差(frequency difference of arrival,FDOA)联合定位误差克拉美·罗界(Cramer-Rao lower bound,CRLB)的简单表达式,以及三星单独TDOA定位误差的CRLB,进而给出了避免TDOA定位盲区的良好卫星构型设计的充分条件.理论分析与仿真结果表明:在单独TDOA定位场景下良好的构型能完全消除定位盲区,定位精度随主星-星下点连线与主星-副星连线的夹角逼近90°而逐渐提高;通过引入FDOA与TDOA联合定位也能有效避免定位盲区,提高定位精度.
文摘针对传统无迹卡尔曼滤波(unscented Kalman filter,UKF)在系统状态发生突变时估计精度下降的问题,将改进的强跟踪滤波算法与基于高斯概率密度高阶导的无迹卡尔曼滤波算法(high order probability density derivative,HUKF)相结合,提出了高阶强跟踪无迹卡尔曼滤波方法(high order strong tracking UKF,HSUKF)。该算法采用高斯概率密度函数高阶导数的极值作为Sigma样点进行无迹转换,通过样本点捕捉更高阶的中心矩来提高非线性变换近似精度。将改进的强跟踪滤波算法引入到HUKF中,通过渐消因子修正预测新息协方差和预测互协方差矩阵,强迫新息正交,在不增加计算复杂度的前提下提高了算法在状态发生突变时的适应能力。将本文算法应用于时差频差的无源跟踪中,通过对目标状态发生突变的跟踪问题进行数值仿真和实例论证表明HSUKF算法兼具了计算复杂度低和估计精度高的特性,且在系统状态发生突变的情况下表现出良好的滤波性能。
